含噪声前馈神经网络误差函数的理论分析

误差函数的选择是前馈神经网络训练的关键问题。首先讨论了在输入输出样本均含噪声及只有输出样本含有噪声的情况下网络权向量W的极限性质，从而指出，在噪声存在的情况下，常用的最小方差型误差函数不是一个好的选择，所得结果为更深入的研究指出了方向。     

Haskell语言的高阶特性及其应用

Haskell语言的高阶特性使笔者在开发软件时受益匪浅,但很遗憾,目前国内同行应用这一语言的人非常少。本文介绍Haskell语言的高阶特性,并通过几个与树相关的例子,阐述如何利用Haskell语言的高阶特性来编写功能强大但却简短漂亮的程序。     

一种提高系统搜索效率的BM改进算法

针对在线式微机防误系统中字符串匹配的特点以及BM算法匹配性能不足的问题,提出一种BM改进算法——WBM算法,以进一步缩短算法的匹配时间。去掉好后缀规则,适当改进坏字符规则,构建适用于系统维护的框架网络数据结构环境,将WBM算法应用于框架网络,实现基于该算法的微机防误系统软件。实验比对结果表明,WBM算法在BM、WBM、BMH、QS这4种对比算法中速度最快,且同硬件测试CPU使用率为0.76%,应用该算法使搜索时间缩短为3.9 s,搜索准确度提高到99.5%,能明显提高知识在计算机中搜索的效率,与框架网络相结合后,进一步节省了微机防误系统的维护时间。     

基于基因表达式编程的频繁函数集挖掘

函数挖掘旨在从观测数据中发现有效的函数关系,传统的函数挖掘以发现单个函数为挖掘目标,难以处理复杂数据集．为解决上述问题,作者做了如下工作：（1）提出了描述能力更强的频繁函数集FFS概念;（2）提出并实现了基于基因表达式编程的频繁函数集挖掘算法FFSM（3）在GEP中采用了精度阈值队列策略PTQ,有效地提高了FFSM的成功率;（4）用实验证实了FFS更强的描述能力和PTQ的有效性,其中,在挖掘高精度复杂函数时PTQ使FFSM的成功率提高了55倍．     

多波束天线通道幅相误差的自校正算法

多波束天线利用多信号分类(MUSIC)算法对目标参数进行精确估计时,存在多波束天线的通道幅度和相位误差的失配现象,使MUSIC算法的性能严重下降;针对基于MUSIC的数字波束通道不一致问题,给出了一种新的基于MUSIC算法的最小化代价函数的波束无源自校正算法,利用阵列结构的先验知识对接收数据进行预处理,得到校正矩阵后自校正,并根据多波束阵列天线形成网络天线实测参数,加入随机幅度和相位误差进行计算机模拟仿真,验证仿真算法的正确性。     

基于服务器集群预留机制的高级云体系架构研究

云计算数据服务中心的巨大能源消耗成为其发展的绿色挑战,提出了基于能源感知的高级云体系架构,并对此体系架构进行深入研究。提出了基于服务器集群预留机制的动态分配策略,并以电力消耗为例进行建模,通过分析电力消耗的成本函数研究该策略的可行性及能源高效性。实验表明,该策略能有效平衡云用户等待忍耐度和电力消耗成本,在最大限度接收云用户的前提下达到电力消耗最低点。     

一种新型的广义RBF神经网络及其训练方法

提出一种新型的广义RBF神经网络模型,将径向基输出权值改为权函数,采用高次函数取代线性加权.给出网络学习方法,并通过仿真分析研究隐单元宽度、权函数幂次等参数的选取对网络逼近精度以及训练时间的影响.结果表明,和传统的RBF神经网络相比,该网络具有良好的逼近能力和较快的计算速度,在系统辨识和控制中具有广阔的应用前景.     

基于遗传优化加权相关向量机的网络热点预测模型

为了提高网络热点事件的预测精度,提出一种基于遗传优化加权相关向量机的网络热点事件预测模型(GA-WRVM)。首先对每个样本数据的噪声方差加上一个权值系数得到加权相关向量机,然后用组合核函数代替相关向量机的单一核函数,并采用遗传算法对核参数进行优化建立预测模型,最后利用网络热点数据进行仿真实验分析。结果表明,相对于神经网络和支持向量机,GA-WRVM降低了网络热点事件的预测误差,获得了更高的网络热点预测精度,具有更强的泛化能力。     

Attribute-based key-insulated signature for boolean formula

In order to minimize the impact of secret signing key exposure in attribute-based signature scenario, we construct an attribute-based key-insulated signature (ABKIS) scheme for expressive monotone boolean function access structures utilizing only four pairing operations in verification process and making the signature length constant, that is, the number of pairings required for signature verification and the size of signature are independent of the size of attribute set participated in the respective process. The (strong) key-insulated selective security of our ABKIS scheme is reduced to the computational Diffie–Hellman Exponent problem without using any random oracles. The proposed construction attains signer privacy, which is a fundamental requirement of the signature schemes in the attribute-based setting.     

基于线性权重最优支配的高维多目标优化算法

在高维多目标优化问题中,Pareto支配关系存在非支配解随优化目标数增加呈指数级增长和种群选择压力下降等问题。针对这些问题,基于线性权重聚合函数和支配关系两种比较多目标解方法的思想,提出一种线性权重最优支配关系（LWM-dominance）,并理论证明了LWM非支配解集是Pareto非支配解集的子集,同时保留了种群中重要的角解。进一步地,基于LWM支配关系,实现了一个高维多目标进化优化算法,基于该算法的实验验证了LWM支配关系的性质。在随机解空间中的实验结果表明LWM支配关系适用于5~15个目标的高维多目标优化问题,通过DTLZ1~DTLZ7高维多目标优化问题进化过程中LWM非支配解集与Pareto非支配解集规模的对比实验,结果表明优化目标数为10和15时非支配解的比例平均下降了约17%。